美国服务器运行Spring Boot响应变慢,如何区分应用与资源瓶颈?
单看美国服务器的 CPU 使用率,无法判断 Spring Boot 接口为什么变慢。CPU 只有 40% 时,线程池可能已经排满,数据库连接池也可能在等待;CPU 达到 90% 时,慢响应也可能来自频繁 GC、磁盘 I/O 或网络重传。更可靠的判断方式,是把同一时间窗口内的响应时间、请求量、入口耗时、应用队列、数据库等待、CPU、内存、I/O 和网络指标放在一起比较。
如果慢响应主要出现在 DNS、TCP、TLS 或美国服务器入口之前,重点应放在链路和接入层;如果 Nginx 已经快速把请求转给后端,但 Tomcat、数据库连接池或下游调用持续排队,则更接近应用或依赖服务瓶颈;如果应用处理时间上升的同时 CPU、GC、I/O 或网络指标同步变化,才可以进一步判断具体资源方向。
先固定一次可比较的观察窗口
排查开始时不要先执行重启、扩容或修改线程池参数。先建立一段能够对照的时间窗口,否则修复动作可能会清除现场,后续只能凭感觉推断。
建议至少保留两段数据:
- 一段正常窗口,例如故障前后各 10~15 分钟。
- 一段慢响应窗口,例如连续出现高延迟的 10~30 分钟。
如果慢响应具有明显周期性,应覆盖完整的一个周期,例如定时任务启动、批量同步或数据库备份前后。所有主机、数据库、监控系统和日志最好统一使用 UTC,或者至少明确美国服务器所在时区与业务系统时区,避免把不同分钟的数据错误对齐。
先确认比较对象
同一个接口在不同请求参数、不同响应大小和不同客户端地区下,性能可能完全不同。记录观察窗口时,至少区分以下维度:
| 维度 | 需要记录的内容 | 排查价值 |
|---|---|---|
| 请求入口 | 域名、端口、协议、是否经过 CDN 或负载均衡 | 判断慢在公网链路、边缘层还是源站 |
| 路由 | 具体 URI、HTTP 方法、版本和关键参数类型 | 避免把慢查询接口与静态接口混在一起 |
| 流量 | 每秒请求数、并发请求数、请求来源区域 | 判断响应变慢是否由流量变化触发 |
| 响应 | p50、p95、p99、平均值、响应体大小 | 区分少量长尾与整体变慢 |
| 结果 | 2xx、4xx、499、502、503、504 和超时数量 | 判断延迟是否已经演变为容量或链路错误 |
| 变更 | 发布、配置修改、定时任务、备份、扩容和故障切换时间 | 排除时间上的替代解释 |
平均响应时间适合观察整体趋势,但不适合单独判断长尾。比如 90% 请求耗时 100 毫秒,10% 请求耗时 3 秒,平均值可能仍然不高,但 p95 和 p99 已经能反映用户感知到的卡顿。
还可以用一个近似关系检查并发是否正在积压:
并发请求数 ≈ 请求速率 × 平均响应时间
例如接口流量稳定在每秒 120 个请求,平均响应时间从 0.5 秒升到 2.2 秒,应用中的平均在途请求数大约会从 60 个增加到 264 个。即使 CPU 没有明显上升,线程池、连接池或反向代理也可能因为在途请求增加而排队。
先把响应时间拆到链路各段
从客户端到 Spring Boot,通常要经过以下链路:

- DNS 解析。
- 客户端到美国服务器或边缘节点的 TCP 建连。
- TLS 握手。
- CDN、负载均衡或 Nginx 接收请求。
- Nginx 与 Spring Boot 建立或复用上游连接。
- Spring Boot 分配 Web 线程或事件循环处理请求。
- 应用访问数据库、缓存或外部服务。
- 响应从应用返回入口,再传回客户端。
“总耗时变长”只说明某一段或多段变慢,不能直接证明 JVM 或服务器资源不足。
用客户端分段时间区分入口问题
可以从固定探测点对同一个接口重复采样。下面的命令只用于观察,不会修改服务:
curl -sS -o /dev/null \
-w 'dns=%{time_namelookup} connect=%{time_connect} tls=%{time_appconnect} starttransfer=%{time_starttransfer} total=%{time_total} code=%{http_code} size=%{size_download}\n' \
'https://example.com/api/orders?id=1001'
这些字段可按以下方式理解:
time_namelookup:DNS 解析耗时。time_connect:TCP 建连完成的时间。time_appconnect:TLS 握手完成的时间,HTTPS 场景有效。time_starttransfer:收到首字节的时间,通常包含服务端处理等待。time_total:完整响应结束时间。size_download:响应体大小。
如果 time_starttransfer 和 time_total 同时增加,而 DNS、TCP、TLS 基本稳定,优先看源站处理和上游依赖。如果首字节时间接近正常,但 time_total 明显增加,需要检查响应体大小、下行带宽、客户端接收速度和网络重传。
美国服务器的地理位置也不能单独证明网络有问题。应使用与实际用户接近的探测点进行对比,并记录探测点所在区域。来自亚洲用户的 TCP 或 TLS 时间变长,不等于美国服务器本地应用变慢;反过来,美国服务器本地探测正常,也不代表所有跨区域用户都正常。
在 Nginx 入口记录上游耗时
如果 Nginx 是 Spring Boot 前面的反向代理,可以记录请求总耗时和上游各阶段耗时。下面是示例配置,需根据现有配置的 http 和 server 层级合并,不能直接覆盖生产配置:
http {
log_format timing
'$remote_addr [$time_iso8601] '
'"$request" status=$status bytes=$body_bytes_sent '
'request_time=$request_time '
'upstream_connect_time=$upstream_connect_time '
'upstream_header_time=$upstream_header_time '
'upstream_response_time=$upstream_response_time '
'upstream_status=$upstream_status '
'request_id=$http_x_request_id';
access_log /var/log/nginx/access_timing.log timing;
server {
listen 443 ssl;
server_name example.com;
location / {
proxy_pass http://spring_boot_upstream;
}
}
}
修改前应备份现有配置,并确认日志目录、磁盘空间和权限。检查与加载配置时,可以先执行:
sudo nginx -t
sudo systemctl reload nginx
reload 通常不会中断已有连接,但仍应按照现有发布流程执行。若新日志格式导致配置加载失败,恢复备份配置后再次执行 nginx -t,确认通过后再加载。
常用字段的组合比单个字段更有意义:
| 观察组合 | 更接近的判断 | 仍需排除的解释 |
|---|---|---|
request_time 上升,upstream_response_time 基本稳定 | Nginx 到客户端发送、请求接收或外部网络阶段变慢 | 响应体变大、客户端读取慢、代理层限速 |
upstream_connect_time 上升 | Nginx 连接 Spring Boot 变慢 | 后端连接队列、连接复用失效、实例过载、端口或文件描述符不足 |
upstream_header_time 上升 | 应用迟迟没有返回首字节 | Web 线程排队、数据库等待、GC、下游调用变慢 |
upstream_response_time 与 request_time 同步上升 | 服务端处理或返回过程整体变长 | 响应体大小增加、网络发送受阻 |
| 出现 502/503/504,同时 upstream 时间升高 | 后端超时、拒绝连接或实例不可用 | 负载均衡健康检查、部署、连接数上限 |
| 499 增多但 5xx 不明显 | 客户端或上游代理在服务端返回前主动断开 | 客户端超时过短、链路丢包、用户侧取消请求 |
upstream_header_time 适合定位“服务端迟迟没有开始返回”,但它不等于数据库耗时。需要继续用应用指标、分布式追踪或日志中的阶段耗时拆分。
从 Web 入口判断是否已经开始排队
Spring Boot 的 Web 入口通常是嵌入式 Tomcat、Jetty、Undertow,或基于 Netty 的 WebFlux。不同运行模型的指标名称和排队位置不同,因此不能把 Tomcat 指标直接套到 WebFlux 应用上。
关注请求量、并发和队列的同时变化
在慢响应窗口中,优先查看以下指标:
- 每秒进入请求数和每秒完成请求数。
- 当前在途请求数。
- p50、p95、p99 响应时间。
- Web 线程忙碌数、最大线程数或事件循环阻塞情况。
- 连接数、活动连接数、等待连接数。
- 502、503、504、客户端超时和客户端断开数量。
如果请求进入速率大于完成速率,在途请求数会持续增加。此时响应时间上升通常不是一个孤立的延迟问题,而是已经形成排队。排队可能发生在 Nginx、Tomcat、应用线程池、数据库连接池或某个下游客户端连接池。
Spring Boot Actuator 或 Micrometer 中常见的指标包括:
http.server.requestsjvm.gc.pausejvm.memory.usedtomcat.threads.busytomcat.threads.config.maxhikaricp.connections.activehikaricp.connections.pendinghikaricp.connections.acquire
具体名称会受 Spring Boot、Micrometer、Web 容器和标签配置影响。启用 Actuator 时,不要把管理端点直接暴露到公网;应限制管理端口、来源地址和访问权限,并只开放确实需要的端点。
线程池满不一定代表 CPU 不够
Tomcat 忙碌线程接近上限时,可能存在几种完全不同的原因:
- 线程正在执行大量 CPU 计算。
- 线程在等待数据库连接。
- 线程在等待慢 SQL、锁或外部 HTTP 服务。
- 线程被同步锁、文件 I/O 或网络读写阻塞。
- 单个请求处理时间增加,使线程长时间不能归还线程池。
因此,tomcat.threads.busy / tomcat.threads.config.max 需要和 CPU、线程栈、数据库连接池和下游调用耗时一起观察。线程池达到上限而 CPU 仅有 35%,并不能说明服务器还有充足处理能力;它可能只是大量线程都在等待。
对于 WebFlux,CPU 不高但响应变慢时,还应检查事件循环是否被阻塞调用占用,例如在响应式链路中执行同步 JDBC、文件读写或阻塞式 HTTP 调用。此时不能仅看传统 Tomcat 线程指标。
进入应用内部:区分计算、等待和外部依赖
Spring Boot 应用的处理时间通常可以分为:
Web 入口排队 + 业务代码执行 + 数据库访问 + 缓存访问 + 外部服务调用 + 响应序列化与发送
分布式追踪能较直观地呈现这些阶段。如果暂时没有追踪系统,也可以在入口日志、Service 日志、数据库慢查询日志和外部调用日志中使用统一的请求 ID。请求 ID 应从入口生成或校验后向下游传递,避免只凭时间戳拼接请求。
建议至少为以下阶段记录耗时:
- Controller 接收到请求到开始执行。
- 关键业务方法耗时。
- 获取数据库连接耗时。
- SQL 执行耗时。
- 外部 HTTP 调用的连接、首字节和完整响应耗时。
- JSON 序列化耗时。
- 返回响应的总耗时。
用模拟数据观察因果候选
下面的数据是用于说明分析方法的模拟监控数据,不代表任何实际服务器的监控结果:

| 时间 | 请求速率 | p95 响应 | Tomcat 忙碌线程 | Hikari 等待数 | 应用 CPU | 数据库活动连接 |
|---|---|---|---|---|---|---|
| 10:00 | 80 req/s | 240 ms | 120 / 300 | 0 | 48% | 55 / 100 |
| 10:05 | 82 req/s | 1,800 ms | 298 / 300 | 28 | 54% | 100 / 100 |
| 10:10 | 83 req/s | 3,400 ms | 300 / 300 | 67 | 57% | 100 / 100 |
这里请求量几乎没有明显增加,但 p95、忙碌线程和连接池等待数同步升高,数据库活动连接达到上限。更合理的第一判断是:数据库连接或数据库内部执行出现等待,应用线程被连带占用,Tomcat 线程池只是结果表现之一。
仍需排除以下替代解释:
- Hikari 连接池被人为调得过小,而数据库实际上还有余量。
- 某个事务没有及时提交或归还连接。
- 数据库活动连接达到上限,但大部分连接处于空闲事务状态。
- 慢响应来自外部 HTTP 调用,恰好与数据库连接池指标同时发生变化。
- 应用实例数量减少,导致单实例连接池看起来更紧张。
下一步应查看连接获取耗时、事务耗时、慢 SQL、锁等待、数据库 CPU 和存储延迟,而不是直接把连接池上限调大。
JVM 指标要和系统指标同时看
JVM 侧可以重点观察:
- 堆使用量与最大堆的关系。
- Old Gen 或老年代增长速度。
- Young GC 次数和暂停时间。
- Full GC 次数和暂停时间。
- 进程 RSS、线程数量和直接内存使用。
- 类加载、线程阻塞和锁竞争。
在有权限且确认 JDK 版本匹配的前提下,可以使用以下低频采样命令。PID 应替换为实际 Java 进程号,不要用模糊匹配误选其他 Java 服务:
PID=12345
jcmd "$PID" VM.command_line
jcmd "$PID" GC.heap_info
jstat -gcutil "$PID" 1000 10
查看线程栈有助于区分计算和等待:
jcmd "$PID" Thread.print -l > /tmp/spring-thread-dump.txt
线程转储适合在问题现场少量采集。高峰期反复执行可能增加进程负担。类直方图、堆转储等操作可能造成更明显的暂停或产生大量磁盘文件,应先确认磁盘空间、影响范围和回收方式,不要在没有计划的情况下执行。
判断 GC 是否是主因时,不要只看“堆使用率达到多少”。更有价值的组合是:
- p95/p99 在 GC 暂停时间上升的同一时间变长。
- Full GC 或老年代回收频率增加。
- 应用 CPU 中 GC 线程占比升高。
- 请求速率没有明显增加,但完成速率下降。
- GC 结束后延迟短暂恢复,随后随着堆再次增长而重复。
如果堆使用率较高,但 GC 暂停很短、线程没有明显阻塞、响应时间也没有同步变化,堆本身未必是当前瓶颈。反过来,即使堆使用率不高,频繁分配和短暂停顿也可能形成长尾。
把数据库和连接池单独拉出来比较
数据库问题经常被误判为“Spring Boot 线程不够”。实际上,应用线程只是等待者,真正的瓶颈可能在 SQL、锁、磁盘或数据库连接数。
应用侧至少观察:
- 连接池总数、活动数、空闲数。
- 获取连接等待数和获取连接耗时。
- 连接使用时间。
- 连接泄漏检测或未归还连接。
- 按接口、事务或 SQL 类型统计的耗时。
数据库侧至少观察:
- 活跃会话数与最大连接数。
- 数据库 CPU、磁盘读写和存储延迟。
- 锁等待、事务等待和长事务。
- 慢 SQL 数量、执行次数和平均耗时。
- 缓存命中、临时表、排序或扫描量等与数据库类型相关的指标。
可以按下面的方式区分:
| 应用连接池表现 | 数据库表现 | 更可能的方向 |
|---|---|---|
| 等待连接增加,数据库活动连接未接近上限 | 数据库 CPU、I/O 也平稳 | 应用连接池过小、连接泄漏或连接未及时归还 |
| 等待连接增加,数据库活动连接达到上限 | SQL 耗时、锁等待或数据库资源同步上升 | 数据库执行或锁竞争导致应用排队 |
| 连接池活动数不高,但接口耗时上升 | 外部 HTTP span 或业务方法耗时上升 | 非数据库依赖或应用计算 |
| SQL 数量未变,单条 SQL 耗时上升 | 数据库 I/O、锁等待或执行计划相关指标变化 | 数据库侧性能变化 |
| 连接池与数据库均正常,但序列化时间上升 | 响应体变大、CPU 或堆分配增加 | 应用组装数据或响应编码变慢 |
不要因为连接池等待增加就直接扩大池大小。连接池扩大后,可能让更多 SQL 同时进入数据库,反而使 CPU、锁等待和 I/O 延迟进一步上升。调整连接池前应确认数据库连接上限、实例数量、事务时长和数据库承载能力,并保留原配置以便回退。
围绕美国服务器上的Spring Boot接口、数据库与容器化业务,A5数据提供Xeon及AMD EPYC物理服务器,涵盖不同计算、内存与NVMe存储配置,为应用计算、数据库缓存和数据读写提供资源基础。美国常规系列还提供CN2 GIA线路方案,承接跨境访问的网络需求,使应用承载与网络接入都有相应的产品选择。
把主机资源放回同一条时间轴
Linux 的 CPU、内存、磁盘和网络指标都不能脱离应用时间线单独解释。建议在慢响应窗口采集低频、短时数据:
date -u
uptime
free -h
vmstat 1 10
iostat -xz 1 10
pidstat -p 12345 -t -u -r -d 1 10
ss -s
sar -n DEV,ETCP 1 10
其中 iostat、pidstat 和 sar 通常由 sysstat 提供,未安装时应按照发行版的软件源安装,不要直接下载来源不明的二进制文件。命令只做采集,不涉及服务重启或数据修改。
CPU:看运行队列和进程行为
CPU 排查至少同时看:
- 用户态 CPU。
- 内核态 CPU。
iowait。- 运行队列长度。
- Java 进程 CPU。
- GC 线程或具体业务线程的 CPU。
- 容器 CPU quota 和 throttling,如果运行在容器中。
CPU 高、运行队列增长、Java 进程 CPU 与响应时间同步上升,才更接近计算资源不足。若 Java 进程 CPU 不高,但系统 iowait 上升,应用线程可能是在等待磁盘或数据库所在存储,而不是缺少计算能力。
load average 只能表示系统中可运行或不可中断等待的任务数量,不能直接等同于 CPU 利用率。高 load 但 CPU 空闲,可能与磁盘等待有关;多核机器上,load 还应结合 CPU 核数和运行队列判断。
内存:区分堆压力、系统回收和交换
内存相关指标应同时观察:
- JVM 堆使用和回收。
- Java 进程 RSS。
- 系统可用内存。
- Swap 使用量和换入换出。
- Major page fault。
- 容器 memory limit 与 OOM kill。
- 文件缓存和内核内存。
如果慢响应时间与 Swap 换入换出、Major page fault 同时升高,应用和数据库都可能受到内存回收影响。若 JVM 堆看起来正常,但 RSS 持续增长,则要考虑直接内存、线程栈、内存映射文件、类元数据或本地库占用。
内存不足的判断也不能只看 free 很小。Linux 会使用空闲内存做文件缓存,应结合 available、swap 活动和进程 RSS 判断。若发生 OOM kill,应用可能已经重启或连接被切断,此时要把进程退出时间与 502/503、负载均衡健康检查一起核对。
I/O:确认是谁在等待磁盘
iostat -xz 中常见的观察项包括:
- 设备利用率。
- 请求等待时间。
- 读写吞吐。
- IOPS。
- 队列深度。
当应用响应时间、数据库 SQL 时间和设备等待时间同步上升,数据库或日志写入是重要候选。如果只有单个设备利用率高,还需确认该设备对应数据库文件、日志文件、容器存储还是系统日志。
进程级 pidstat -d 能帮助判断 Java 进程是否直接产生大量读写,但数据库进程可能是实际 I/O 使用者。不要把应用进程低 I/O 解读成“没有 I/O 瓶颈”,因为应用可能只是等待数据库完成磁盘操作。
网络:区分带宽、连接和重传
网络排查可以关注:
- 入站和出站吞吐。
- TCP 建连数量。
- 重传、丢包和连接重置。
- 监听队列与已建立连接数。
- 网卡错误和丢弃。
- 容器或云平台的带宽限制。
- Nginx 与 Spring Boot 之间的连接复用情况。
如果 TCP/TLS 时间上升、重传增加,但 Nginx 的上游处理时间稳定,优先检查客户端到美国服务器之间的链路、入口负载均衡或 TLS 终止层。如果上游连接建立时间上升,同时应用实例连接数和文件描述符接近限制,则要检查后端接入能力。
响应体大小变化也会制造“网络变慢”的假象。例如接口原本返回 200 KB,后来返回 2 MB,即使服务器处理时间不变,完整响应时间也可能明显增加。应把 size_download、带宽和 time_total 一起比较,而不是只看 p95。
用多指标联动形成判断
下面的矩阵适合作为第一次归类,但每一项都需要通过替代解释和复测确认:
| 响应表现 | 同步变化的指标 | 初步判断 | 首先排除的替代解释 |
|---|---|---|---|
| p95、p99 上升,DNS/TCP/TLS 上升,应用耗时稳定 | 重传、连接失败或入口错误增加 | 链路、TLS 或入口层 | 探测点变化、DNS 缓存失效、客户端地区差异 |
| p95 上升,Nginx 上游首字节时间上升 | Web 线程忙碌数、应用队列或连接池等待增加 | 应用处理或依赖等待 | 请求参数变化、实例数量减少 |
| p95 上升,CPU 和运行队列同步上升 | Java 进程 CPU 高,GC 或业务线程占用增加 | CPU 计算或 GC 压力 | 流量突增、单个异常请求占用 CPU |
| p95 上升,CPU 不高但数据库连接池 pending 上升 | 数据库活动连接、锁等待或 SQL 时间上升 | 数据库或连接池等待 | 连接池设置过小、连接泄漏 |
p95 上升,iowait 和设备等待时间上升 | 数据库或应用 I/O 同步变慢 | 存储 I/O | 日志突增、备份任务、其他进程抢占 |
| 完整响应时间上升,首字节基本稳定 | 响应体变大、出口带宽或重传增加 | 响应发送阶段或网络 | 客户端读取慢、代理层限制 |
| 504 增多,p99 接近固定超时值 | 某个依赖调用或代理超时 | 超时配置或下游不可用 | 客户端提前断开、健康检查异常 |
| 499 增多,应用 5xx 不明显 | 客户端等待超过自身超时 | 用户侧或上游代理放弃 | 服务端发送慢、响应体传输受阻 |
典型场景一:CPU 不高,但应用已被数据库拖慢
模拟时间序列如下:
| 时间 | p95 | Tomcat 忙碌线程 | CPU | GC 暂停 | Hikari pending | 数据库锁等待 |
|---|---|---|---|---|---|---|
| 正常窗口 | 220 ms | 90 / 300 | 46% | 8 ms | 0 | 0 |
| 慢响应开始 | 1,100 ms | 250 / 300 | 51% | 9 ms | 14 | 38 |
| 慢响应持续 | 2,600 ms | 300 / 300 | 53% | 10 ms | 61 | 72 |
这里 CPU 和 GC 变化有限,但连接池等待、线程占用和锁等待同步增加。判断重点应放在长事务、锁竞争、SQL 执行顺序和连接归还时间,而不是立即增加 CPU 或调整 JVM 堆。
复测时可以选择同一接口、相近请求速率和相同参数,在确认业务允许的测试环境或低流量时段观察:
- 锁等待下降后,连接池 pending 是否同步下降。
- Tomcat 忙碌线程是否回落。
- p95 和 p99 是否恢复。
- 数据库 CPU、I/O 是否出现新的上升。
如果锁等待消失但响应仍慢,就要回到外部调用和应用业务方法耗时,不能继续沿用数据库结论。
典型场景二:CPU 和 GC 同步升高
另一组模拟数据:
| 时间 | 请求速率 | p95 | Java 进程 CPU | Full GC 次数 | GC 暂停 p99 | 运行队列 |
|---|---|---|---|---|---|---|
| 正常窗口 | 100 req/s | 180 ms | 52% | 0 | 15 ms | 2 |
| 慢响应开始 | 102 req/s | 720 ms | 86% | 3 | 180 ms | 9 |
| 慢响应持续 | 101 req/s | 1,900 ms | 94% | 12 | 640 ms | 18 |
请求量基本稳定,但 Java CPU、Full GC、GC 暂停和运行队列一起上升,这比“CPU 达到 94%所以变慢”更有解释力。下一步应查看对象分配、老年代增长、堆参数、响应体变化以及最近发布的代码路径。
如果只看到 CPU 94%,但 GC、线程栈和请求处理耗时没有同步变化,也可能是压缩、加密、JSON 序列化、正则处理或其他业务计算占用 CPU,需要用线程采样或性能分析确认具体代码路径。
按由外到内的顺序完成复测
一次完整排查可以按以下顺序执行,避免同时改变多个变量:

- 固定请求样本。 选择一个具体接口、方法、参数类型和响应体范围,记录客户端区域、请求速率和时间点。
- 采集客户端与入口数据。 对照 DNS、TCP、TLS、首字节、完整响应时间,以及 Nginx 的
request_time和 upstream 时间。 - 采集应用排队数据。 查看请求量、p95/p99、在途请求、Web 线程、事件循环、连接池等待和外部调用耗时。
- 采集数据库数据。 对照连接数、SQL 时间、锁等待、事务时长、CPU 和存储延迟。
- 采集主机资源。 同一时间段查看 Java 进程 CPU、系统运行队列、GC、堆、RSS、Swap、I/O 和网络重传。
- 只选择一个候选因素验证。 例如先验证某个慢 SQL 或外部接口,而不是同时扩大线程池、重启应用和增加数据库连接。
- 观察恢复过程。 判断队列是否排空、p95/p99 是否下降、错误率是否稳定,以及数据库或主机资源是否出现新的压力。
复测成功不能只看某个延迟数字下降。更可信的结果应同时满足:
- 同一接口、相近流量和相同探测点下,p95、p99 均有改善。
- 请求完成速率恢复,排队数量不再持续增长。
- 502、503、504、499 或超时没有转移到其他层。
- CPU、GC、数据库连接、I/O 和网络指标没有出现新的持续性异常。
- 在足够长的观察窗口内,指标不会再次回到慢响应状态。
如果需要修改 Nginx、JVM、线程池或数据库连接池配置,应先保存原配置、记录变更时间和影响实例。一次只改变一个关键参数,确认效果后再决定是否保留;效果变差时恢复原配置并重新加载。不要用连续重启代替定位,因为重启会清空线程栈、连接状态、队列和部分 JVM 现场。
下一轮排查应同时观察的指标组合
后续遇到美国服务器上的 Spring Boot 响应变慢,建议至少保留下面几组同时间轴数据,而不是只截图 CPU:
- 链路组: DNS、TCP、TLS、首字节、完整响应时间、响应体大小、重传。
- 入口组: Nginx
request_time、upstream_connect_time、upstream_header_time、upstream_response_time、502/503/504/499。 - 应用组: 请求速率、完成速率、p50/p95/p99、在途请求、Web 线程或事件循环状态。
- JVM 组: Java 进程 CPU、堆与 RSS、GC 次数、GC 暂停、线程阻塞和线程数量。
- 数据库组: 连接池 active/pending、连接获取耗时、SQL 耗时、活动会话、锁等待、数据库 CPU 和存储延迟。
- 主机组: 运行队列、用户态 CPU、
iowait、Swap、磁盘等待、网卡吞吐、TCP 重传。
当其中至少两到三组指标在同一时间发生有方向关系的变化,并且能够排除流量、参数、部署、定时任务和探测点变化时,才适合把结论收敛到应用瓶颈、数据库瓶颈、主机资源瓶颈或链路瓶颈。这样得到的判断比“CPU 没满所以不是服务器问题”或“响应时间升高所以一定是 Spring Boot 问题”更接近真实故障链路。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/3564.html



